基于区域特征融合的RGBD显著目标检测

被引：10

作者：

杜杰

吴谨

朱磊

机构：

[1] 武汉科技大学信息科学与工程学院

来源：

液晶与显示 | 2016年 / 31卷 / 01期

关键词：

目标检测; 深度信息; 区域特征; 随机森林; 监督学习;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了对各类自然场景中的显著目标进行检测,本文提出了一种将图像的深度信息引入区域显著性计算的方法,用于目标检测。首先对图像进行多尺度分割得到若干区域,然后对区域多类特征学习构建回归随机森林,采用监督学习的方法赋予每个区域特征显著值,最后采用最小二乘法对多尺度的显著值融合,得到最终的显著图。实验结果表明,本文算法能较准确地定位RGBD图像库中每幅图的显著目标。

引用

页码：117 / 123

页数：7

共 5 条

[1] 基于视觉区域划分的雾天图像清晰化方法 [J].

张新龙 ;

汪荣贵 ;

张璇 ;

朱静 .

电子测量与仪器学报, 2010, 24 (08) :754-762

[2] 医药大输液可见异物自动视觉检测方法及系统研究 [J].

张辉 ;

王耀南 ;

周博文 ;

葛继 .

电子测量与仪器学报, 2010, 24 (02) :125-130

[3]

Efficient Graph-Based Image Segmentation. [J] . Pedro F. Felzenszwalb,Daniel P. Huttenlocher.&nbsp&nbspInternational Journal of Computer Vision . 2004 (2)

[4]

Adaptive 3D Rendering based on Region-of-Interest .2 Chamaret Christel,Godeffroy Sylvain,Lopez Patrick,et al. Proc.SPIE . 2010

[5]

Stereoscopic visual attention model for3D video .2 Zhang Y,Jiang G,Yu M,et al. Advancesin Multimedia Modeling . 2010

← 1 →